大田小麥葉部病害智能診斷系統(tǒng)研究與應(yīng)用.pdf

1、利用圖像處理技術(shù)對(duì)小麥病害進(jìn)行識(shí)別的研究，對(duì)準(zhǔn)確認(rèn)識(shí)小麥病害，指導(dǎo)農(nóng)業(yè)生產(chǎn)者防治病害，減少病害對(duì)小麥產(chǎn)量的影響，保證國(guó)家糧食安全，具有很重要的現(xiàn)實(shí)意義?；趫D像處理的小麥病害識(shí)別技術(shù)是一個(gè)新的應(yīng)用研究領(lǐng)域，國(guó)內(nèi)在這方面還沒(méi)有進(jìn)行系統(tǒng)的研究。本文在總結(jié)國(guó)內(nèi)外相關(guān)研究的基礎(chǔ)上，研究了復(fù)雜背景下的小麥葉部病害圖像的分割算法，提取了其顏色、紋理和形狀特征，經(jīng)過(guò)特征選擇方法得到多種病害識(shí)別的核心特征，研究了基于支持向量機(jī)決策樹(shù)的多類(lèi)分類(lèi)器設(shè)計(jì)算法

2、，設(shè)計(jì)和開(kāi)發(fā)了基于圖像處理的小麥葉部病害智能識(shí)別系統(tǒng)，為大田小麥病害智能識(shí)別系統(tǒng)的研究和開(kāi)發(fā)提供了基礎(chǔ)研究。本文的主要研究?jī)?nèi)容如下：
　　 1.小麥葉部病害圖像分割算法的研究。針對(duì)小麥葉部病害圖像獲取時(shí)背景較為復(fù)雜、后期難以分割的情況，研究基于數(shù)學(xué)形態(tài)學(xué)的圖像分割技術(shù)，并結(jié)合分水嶺算法和閾值分割算法等諸多算法，提出一種適合于大田復(fù)雜背景下的圖像分割算法。
　　 2.小麥葉部病害圖像顏色特征提取算法的研究。綜合考慮前人在不

3、同作物病害識(shí)別中的研究成果，定義新的顏色特征參數(shù)，研究小麥葉部病害在RGB顏色空間和HSI顏色空間的特征提取算法。
　　 3.小麥葉部病害圖像形狀特征提取算法的研究。在重點(diǎn)研究了前人在形狀特征提取方面的成果后，綜合考慮小麥葉部不同病害在形狀方面的差別，定義新的形狀特征參數(shù)，研究適合小麥葉部病害識(shí)別的形狀特征提取算法。
　　 4.小麥葉部病害圖像紋理特征提取算法的研究。綜合考慮前人在紋理特征提取方面的研究成果，研究適合小麥

4、葉部病害識(shí)別的紋理特征提取算法，提取相應(yīng)的紋理特征。
　　 5.研究利用提取的顏色、形狀和紋理特征，通過(guò)合適的特征選擇方法，找到適合小麥葉部多種病害識(shí)別的分類(lèi)特征。
　　 6.小麥葉部病害識(shí)別算法的研究。為了提高多類(lèi)分類(lèi)器的識(shí)別率，減少訓(xùn)練時(shí)間，且使模型具有很好的推廣能力，在綜合考慮待分類(lèi)樣本數(shù)以及類(lèi)別的易分性能的基礎(chǔ)上，在“先分樣本數(shù)較大的類(lèi)”和“先分易分的類(lèi)”之間折中考慮，提出了一種基于樣本的新的類(lèi)劃分方案，并采用平

5、衡決策樹(shù)結(jié)構(gòu)，得到一種新的支持向量機(jī)多類(lèi)分類(lèi)算法。經(jīng)Statlog數(shù)據(jù)庫(kù)中的數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果得知：該算法在不降低識(shí)別率的情況下，能大大減少系統(tǒng)的訓(xùn)練時(shí)間，是一種有效的多類(lèi)分類(lèi)算法。同時(shí)，為了避免在歐式空間中采用歐式距離進(jìn)行類(lèi)間可分性度量的計(jì)算時(shí)，將樣本的不同屬性之間的差別等同看待，而沒(méi)有考慮到變量之間的相關(guān)關(guān)系的缺點(diǎn)，綜合考慮馬氏距離不受量綱影響，且與原始數(shù)據(jù)的測(cè)量單位無(wú)關(guān)的優(yōu)點(diǎn)，提出了一種新的基于馬氏距離的類(lèi)間可分性度量的計(jì)算方法。實(shí)